Elektrik dağıtım şirketlerinde makine öğrenmesi tabanlı enerji tüketimi tahmin modelleri ve performans analizi
Machine learning based energy consumption estimation models and performance analysis in electricity distribution companies
- Tez No: 921348
- Danışmanlar: PROF. DR. GENCAY SARIIŞIK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Türkiye, enerji sektörü açısından stratejik bir konuma sahiptir ve büyüyen ekonomisiyle birlikte enerji talebi de sürekli olarak artmaktadır. Bu bağlamda, enerji tüketim tahminleri, Türkiye'nin sürdürülebilir kalkınma hedeflerine ulaşması için kritik öneme sahiptir. Ayrıca, yenilenebilir enerji kaynaklarının kullanımının artmasıyla birlikte, makine öğrenmesi teknikleri sayesinde daha verimli ve çevreci enerji yönetimi stratejileri geliştirilmektedir. Bu çalışmalar, Türkiye'nin enerji güvenliğini artırırken aynı zamanda çevresel etkilerini de minimize etmeye yöneliktir. Elektrik dağıtım sektöründe enerji tüketim tahmini, enerji kaynaklarının verimli kullanımı ve talep yönetimi açısından büyük önem taşır. Makine öğrenmesi yöntemleri, bu alanda doğru ve güvenilir tahminler yapabilmek için güçlü araçlar sunar. Bu yüksek lisans tezinde, elektrik dağıtım şebekelerinde enerji tüketimini tahmin etmek amacıyla çeşitli makine öğrenmesi algoritmalarının uygulanabilirliği araştırılmıştır. İlgili veri setleri üzerinde denetimli öğrenme teknikleri kullanılarak modeller geliştirilmiş ve bu modellerin performansları karşılaştırılmıştır. Destek vektör makineleri (SVM), karar ağaçları, regresyon analizi ve yapay sinir ağları gibi popüler makine öğrenmesi yöntemleri değerlendirilmiştir. Tez kapsamında gerçekleştirilen deneylerde, farklı zaman dilimleri ve tüketim profilleri dikkate alınarak modelleme yapılmıştır. Ayrıca, dış etkenlerin (örneğin hava durumu, mevsimsellik) enerji tüketimine etkisi de analiz edilerek daha hassas tahminler elde edilmeye çalışılmıştır. Sonuç olarak, belirli bir makina öğrenmesi yöntemi veya kombinasyonunun belirli koşullar altında daha üstün performans gösterdiği tespit edilmiştir. Bu çalışma, elektrik dağıtım şirketlerinin talep tahmini süreçlerini optimize etmelerine yardımcı olmayı amaçlamakta olup, aynı zamanda enerji verimliliğini artırmak için stratejik planlamalara katkıda bulunacak öneriler sunmaktadır.
Özet (Çeviri)
Turkey has a strategic position in terms of energy sector and its energy demand is constantly increasing along distribution networks was investigated. Models were developed using supervised learning techniques on relevant data sets and the performances of these models were compared. Popular machine learning methods such as support vector machines (SVM), decision trees, regression analysis and artificial neural networks were evaluated. In the experiments conducted within the scope of the thesis, modeling was performed by considering different time periods and consumption profiles. In addition, the effects of external factors (e.g. weather, seasonality) on energy consumption were analyzed to obtain more precise estimates. As a result, it was determined that a certain machine learning method or combination showed superior performance under certain conditions. This study aims to help electricity distribution companies optimize their demand forecasting processes and also provides recommendations that will contribute to strategic planning to increase energy efficiency.with its growing economy. In this context, energy consumption estimates are of critical importance for Turkey to achieve its sustainable development goals. In addition, with the increasing use of renewable energy resources, more efficient and environmentally friendly energy management strategies are being developed thanks to machine learning techniques. These studies aim to increase Turkey's energy security while also minimizing its environmental impacts. Energy consumption estimates in the electricity distribution sector are of great importance in terms of efficient use of energy resources and demand management. Machine learning methods offer powerful tools to make accurate and reliable estimates in this field. In this master's thesis, the applicability of various machine learning algorithms to estimate energy consumption in electricity.
Benzer Tezler
- Türkiye'de elektrik kesintilerinin maliyeti: Tüketicilerin ve dağıtım şirketlerinin kesinti maliyetlerinin hesaplanması ve geleceğe yönelik tahminler
Electricity interruption cost in Turkey: Calculation of customer and distribution company interruption cost and forecastings for the future
BURAK DİNDAR
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL
- Enerji sektöründe makine öğrenmesi algoritmaları kullanılarak müşterilerin tahsilat potansiyellerinin değerlendirilmesi
Assessing the collection potential of customers in the energy sector using machine learning algorithms
EMİNE CEREN ÖZAY
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERMAN ÇAKIT
- Short term load forecasting by using artificial neural networks
Yapay sinir ağları kullanılarak kısa dönemli yük tahmini
ALI GHADIRIASL NOBARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi
Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data
EREN POLATCAN
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
- Makine öğrenmesi algoritmaları ile araç rotalama optimizasyonu: Elektrik dağıtım sektörü örneği
Vehicle routing optimization with machine learning algorithms: A case study in the electricitiy distiribution sector
ENSAR YAZICIOĞLU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KEVSER ŞAHİNBAŞ